東北老工業(yè)區(qū)植被覆蓋度時空特征及城市化關(guān)聯(lián)分析

肖驍, 李京忠,2, 韓彬, 逯承鵬, 薛冰,*

?

東北老工業(yè)區(qū)植被覆蓋度時空特征及城市化關(guān)聯(lián)分析

肖驍1, 李京忠1,2, 韓彬1, 逯承鵬1, 薛冰1,*

1. 中國科學(xué)院污染生態(tài)與環(huán)境工程重點實驗室/中國科學(xué)院沈陽應(yīng)用生態(tài)研究所, 沈陽 110016 2. 許昌學(xué)院城鄉(xiāng)規(guī)劃與園林學(xué)院, 許昌 461000

植被覆蓋度研究一直是揭示自然生態(tài)系統(tǒng)演化以及人類活動與環(huán)境演化關(guān)系的重要路徑。基于MODIS數(shù)據(jù), 結(jié)合像元二分模型和一元線性回歸方法, 定量估算東北老工業(yè)區(qū)2000—2015年的植被覆蓋度及其時空變化特征, 并特別分析遼寧省植被覆蓋度變化與城市化水平的關(guān)系。結(jié)果表明, 1)東北老工業(yè)區(qū)的植被覆蓋度呈現(xiàn)“中部高-東西低-西部最低”的空間分布態(tài)勢; 2)黑龍江省和吉林省高植被覆蓋區(qū)明顯增加, 但遼寧省高植被覆蓋區(qū)面積比重由2000年全省總面積的49.99%下降到2015年的25.99%, 這一變化情況在遼寧省城市化水平的空間差異中得到進(jìn)一步的驗證; 3)除部分遼西城市植被退化趨勢嚴(yán)重并且逐漸向東蔓延, 東北老工業(yè)區(qū)植被覆蓋表現(xiàn)出增加的趨勢, 特別是黑吉兩省與內(nèi)蒙古交界的大部分地區(qū)植被覆蓋度明顯提高。研究結(jié)果闡明了東北老工業(yè)區(qū)植被演化格局與過程, 對推動綠色可持續(xù)轉(zhuǎn)型及生態(tài)文明建設(shè)具有重要意義。

植被覆蓋度; 城市化; 像元二分模型; 東北老工業(yè)區(qū)

1 前言

依賴于優(yōu)越的自然地理條件和豐富的礦產(chǎn)資源, 東北老工業(yè)區(qū)在建國初期對新中國的工業(yè)體系建設(shè)和經(jīng)濟(jì)發(fā)展做出了卓越貢獻(xiàn), 但也因為發(fā)展理念與技術(shù)水平限制等若干原因, 使得區(qū)域生態(tài)環(huán)境退化嚴(yán)重[1–2]或已到達(dá)臨界狀態(tài), 例如三江平原濕地面積銳減4.05萬平方公里, 東北黑土區(qū)的水土流失面積占總面積的34%[3], 嚴(yán)重影響了區(qū)域可持續(xù)發(fā)展。自2000年以來, 東北地區(qū)著力推進(jìn)經(jīng)濟(jì)的可持續(xù)轉(zhuǎn)型并強(qiáng)調(diào)加強(qiáng)森林、草地的生態(tài)保護(hù), 明確提出將堅持以生態(tài)為主導(dǎo)的林業(yè)和林區(qū)經(jīng)濟(jì)發(fā)展方向、切實加強(qiáng)天然草場恢復(fù)和保護(hù)等重大措施。2016年4月, 《中共中央國務(wù)院關(guān)于全面振興東北地區(qū)等老工業(yè)基地的若干意見》印發(fā)實施, 提出要“打造北方生態(tài)屏障和山青水綠的宜居家園, ……, 堅決摒棄損害甚至破壞生態(tài)環(huán)境的發(fā)展模式和做法”, 因此, 開展東北地區(qū)的生態(tài)環(huán)境演化研究, 對于明確東北地區(qū)生態(tài)環(huán)境要素的基準(zhǔn)線、掌握其時空變化趨勢, 進(jìn)而服務(wù)全面振興東北戰(zhàn)略具有重要的現(xiàn)實意義。

開展植被覆蓋度的時空變化特征研究, 不僅能夠評估植被長勢及生態(tài)保護(hù)成效[4–7], 而且可以為區(qū)域可持續(xù)發(fā)展提供科學(xué)決策依據(jù)。在植被覆蓋度研究手段和方法上, 遙感數(shù)據(jù)覆蓋范圍廣、時間有效性強(qiáng)且容易獲取[8–13], 地理信息系統(tǒng)手段具有強(qiáng)大的空間分析處理能力, 因此目前主要采用遙感與地理信息系統(tǒng)相結(jié)合的方法。像元二分模型利用遙感數(shù)據(jù)估算植被覆蓋度, 具有模型簡單、物理意義明確等優(yōu)點[14–16]。QI J等采用像元二分模型來反演圣佩德羅流域區(qū)植被的時空動態(tài)特征[17]; 馬娜等基于遙感和像元二分模型研究了植被覆蓋度格局并證明應(yīng)用像元二分模型計算植被覆蓋度的方法是簡潔且有效的[18]; 劉廣峰等建立像元二分模型提取植被覆蓋度的結(jié)果表明, 基于NDVI的像元二分模型適合于沙漠化地區(qū)的植被覆蓋度提取, 平均精度達(dá)到79.4%[19]。近年來利用植被蓋度情況評估區(qū)域自然生態(tài)環(huán)境, 并與各種環(huán)境因素進(jìn)行關(guān)聯(lián)研究成為了主要研究方向之一, 并且取得了許多重要研究成果。例如HG KHARIN借助植被指數(shù)來監(jiān)測干旱地區(qū)的土地退化程度[20]; YENGOH G T等指出植被覆蓋度的研究逐漸成為土地荒漠化評估的主要手段[21]; DENG等依據(jù)NDVI分析了祁連山地區(qū)的植被覆蓋特征及其受氣候變化影響情況[22]; 穆少杰等通過反演內(nèi)蒙古地區(qū)2001-2010年植被覆蓋度的時空變化規(guī)律并結(jié)合同期降雨量和溫度數(shù)據(jù)揭示了植被覆蓋度與氣候因子的相關(guān)性[23]; 王偉軍等開展了2000-2014年甘南高原植被覆蓋度的時空變化格局并結(jié)合同期氣溫、降水?dāng)?shù)據(jù)及物候信息, 從不同時空尺度和植被類型研究了甘南高原植被覆蓋度的年、月際變化及其對氣候變化的響應(yīng)[24]。目前將植被覆蓋度的時空演變規(guī)律與社會經(jīng)濟(jì)因子結(jié)合, 特別是針對東北振興戰(zhàn)略實施以來, 城市化水平與植被覆蓋度的相關(guān)性研究相對較少。因此, 開展東北老工業(yè)區(qū)植被覆蓋度時空特征及其與城市化水平之間關(guān)系的拓展研究, 具有重要的理論與實踐意義。

基于此, 本研究選取2000、2005、2010和2015年為研究時相, 利用MODIS數(shù)據(jù)開展東北老工業(yè)區(qū)的黑龍江省、吉林省和遼寧省的植被覆蓋度估算研究, 以定量分析東北老工業(yè)區(qū)植被覆蓋度的時空分布和變化特征, 進(jìn)而將植被覆蓋度變化程度與城市化水平進(jìn)行相關(guān)分析, 以進(jìn)一步闡明東北老工業(yè)區(qū)植被時空變化規(guī)律和城市化水平的相關(guān)性, 以闡釋在新時期的東北全面振興過程中所面臨的若干關(guān)鍵基礎(chǔ)科學(xué)問題, 為東北地區(qū)區(qū)域生態(tài)環(huán)境建設(shè)及城市發(fā)展提供合理科學(xué)數(shù)據(jù)支撐和有效的決策依據(jù)。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)選取與預(yù)處理

MODIS遙感數(shù)據(jù)由于具有較寬的覆蓋范圍、可連續(xù)觀測和免費獲取的特點, 在區(qū)域植被覆蓋估算方面成為主要數(shù)據(jù)源[25], 能夠滿足植被覆蓋度空間和時間序列的監(jiān)測需求。為了避免逐日遙感影像的云覆蓋等影響, 選擇無云或少云覆蓋的MODIS—NDVI 16d數(shù)據(jù)集作為植被覆蓋度監(jiān)測的基礎(chǔ)數(shù)據(jù)。通過美國航空航天宇航局的一級大氣數(shù)據(jù)存檔和分發(fā)系統(tǒng)(Level 1 and Atmosphere Archive and Distri-bution System, LAADS)下載MODIS13Q1數(shù)據(jù)集, 空間分辨率為250m×250m。同時選擇遼寧省的2014年城市化度統(tǒng)計數(shù)據(jù)作為植被覆蓋變化與城市化因子的相互關(guān)系分析的數(shù)據(jù)源。

根據(jù)研究區(qū)的情況, 考慮到東北地區(qū)每年的八月份植被覆蓋最為茂盛, 本研究遙感數(shù)據(jù)的時相為2000、2005、2010和2015年的八月份, 數(shù)據(jù)軌道號為h25v03、h26v03、h26v04、h27v04、h27v05。利用MODIS重投影工具(MODIS Reprojection Tool, MRT)將研究區(qū)的五景數(shù)據(jù)分別進(jìn)行拼接處理和投影轉(zhuǎn)換, 并根據(jù)研究區(qū)行政邊界矢量數(shù)據(jù)進(jìn)行裁剪。

2.2 植被覆蓋度及變化趨勢估算方法

植被覆蓋度(Fractional Vegetation Cover, FVC )是指植被(包括葉、莖、枝)在地面的垂直投影面積占統(tǒng)計區(qū)總面積的百分比[26–27], 本研究采用Gutman等人提出的像元二分模型法提取植被覆蓋度[28], 其基本原理是假設(shè)每一個像元都可分解為植被和土壤兩部分, 即像元信息是綠色植被成分貢獻(xiàn)的信息和土壤成分貢獻(xiàn)的信息的綜合[28], 主要表達(dá)式為:

其中, NDVI為像元的歸一化植被指數(shù)(Normalized difference vegetation index, NDVI)值,NDVI為完全是裸土或無植被覆蓋像元的NDVI值, 即純裸土像元的歸一化植被指數(shù)值。NDVI為完全由植被覆蓋的像元的NDVI值, 即純植被像元歸一化植被指數(shù)值。

NDVI和NDVI的取值是像元二分模型的關(guān)鍵, 對于純裸土像元的 NDVI, 理論上應(yīng)接近于0; 純植被像元的 NDVI, 理論上接近于1。但是由于大氣條件、季節(jié)變化和植被類型等因素的影響, 不同影像的NDVI和NDVI通常存在一定的不確定性。理想的調(diào)整方式是根據(jù)圖像的統(tǒng)計信息, 利用給定的置信度截取的NDVI灰度的上下限值分別近似代表NDVI和NDVI。置信度的選取要依據(jù)實際的NDVI值分布而定, 本研究以累計頻率為0.5%的NDVI 值作為NDVI, 以累計頻率為99.5% 的 NDVI值作為NDVI, 最后通過公式(1)得到研究區(qū)各年份的植被覆蓋度。

為了能夠更好的量化評價植被覆蓋度, 參照水利部頒布的《土壤侵蝕分類分級標(biāo)準(zhǔn)》(SL190- 1996), 并結(jié)合研究區(qū)植被覆蓋度數(shù)值分布情況, 將植被覆蓋度分為五個等級, 即低植被覆蓋度[0, 20%]、中低植被覆蓋度[20%, 40%]、中等植被覆蓋度[40%, 60%]、中高植被覆蓋度[60%, 80%]和高植被覆蓋度[80%, 100%], 并進(jìn)行分級制圖。

2.3 植被覆蓋度變化趨勢計算

一元線性回歸分析可以模擬每個像元值的變化趨勢, 不僅滿足在若干時間節(jié)點的長時段內(nèi)對研究對象變化探測的要求, 基于像元尺度的趨勢估算還能夠提供空間演變規(guī)律的指示信息, 因此常用在植被覆蓋度變化趨勢的估算研究中, 計算結(jié)果以變化斜率的形式得出:

式中:為研究年數(shù), 本文=4;為1—年的年序號;FVC為第年某像元植被覆蓋度值;是研究區(qū)內(nèi)植被覆蓋度變化斜率, 反映了在研究期間植被覆蓋度的變化趨勢。當(dāng)>0時, 表示植被覆蓋度增加, 即植被改善; 當(dāng)=0時, 表示植被覆蓋度沒有發(fā)生變化; 當(dāng)<0時, 則表示植被覆蓋度降低, 代表植被退化。同時, 斜率絕對值越大, 植被覆蓋度增加的幅度越大, 反之則增加的幅度越小。本文利用一元線性回歸方法對植被覆蓋度變化趨勢進(jìn)行計算, 按照變化斜率的大小, 劃分不同的等級(表1)。

2.4 城市化計算方法

人口城市化是衡量城市化水平的重要指標(biāo), 指農(nóng)業(yè)人口進(jìn)入城市轉(zhuǎn)變?yōu)榉寝r(nóng)業(yè)人口的過程和農(nóng)村地區(qū)轉(zhuǎn)變?yōu)槌鞘械貐^(qū)所導(dǎo)致的變農(nóng)業(yè)人口為非農(nóng)業(yè)人口的過程。一般以城鎮(zhèn)人口占總?cè)丝诘谋戎豙31]來計算人口城市化水平, 表達(dá)式為:

其中,城鎮(zhèn)為城鎮(zhèn)人口總數(shù),總為該市行政范圍內(nèi)的總?cè)丝?。因為人口城市化的主體是經(jīng)濟(jì)活動人口, 其實質(zhì)應(yīng)是人口經(jīng)濟(jì)活動的轉(zhuǎn)移過程。因此, 城市化水平可以在一定程度上表征城市經(jīng)濟(jì)發(fā)展水平。

3 結(jié)果與分析

3.1 東北老工業(yè)區(qū)植被覆蓋時空演化特征

東北老工業(yè)區(qū)植被覆蓋度總體分布基本一致, 均呈現(xiàn)“中部高—東西低—西部最低”的空間分布特征(圖1)。中部地區(qū)北起黑龍江省大興安嶺南至遼寧省丹東市, 形成十分明顯的高植被覆蓋帶, 其中包括黑龍江省北部和遼吉兩省東部等地, 境內(nèi)的大、小興安嶺和長白山山脈等原始森林是形成高植被覆蓋區(qū)的主要原因; 中度和中高植被覆蓋區(qū)分布不集中, 分散在黑龍江省東北部和西北部、吉林省西北部以及遼寧省西部, 地理位置與三江平原、松—嫩—遼平原農(nóng)業(yè)區(qū)基本吻合。除此之外, 中度和中高植被區(qū)在全域范圍內(nèi)均有零星散步。低植被覆蓋區(qū)面積較少但位置相對穩(wěn)定集中, 位于省會城市中心地帶以及黑龍江大慶、吉林白城等地構(gòu)成的中西部城市群內(nèi)以及遼西城市群。截至2015年, 遼寧大多數(shù)中西部城市植被覆蓋度普遍偏低, 面臨土地荒漠化問題[29]。

2000—2015年全域的高植被覆蓋度地區(qū)(以下簡稱高植被區(qū))占比明顯增加(表2), 約增加12%, 其他等級占比均不同程度減少。2015年相比2000年增加的高植被區(qū)主要位于黑龍江、吉林兩省, 分別增加了21.94%、8.25%。但其他等級植被覆蓋度地區(qū)占比均不同程度減少, 這與全域的變化趨勢一致, 可見黑龍江省的植被變化是研究區(qū)全域植被變化的主控因素。然而遼吉兩省高覆蓋度的植被退化嚴(yán)重, 2000年遼寧省高植被區(qū)占比全省面積已不及一半(42.42%), 此后高植被區(qū)不增反減, 到 2015年僅剩29.99%。

圖1 東北老工業(yè)區(qū)植被覆蓋度空間分布圖

表2 各等級植被覆蓋度占比統(tǒng)計(%)

上述對各等級植被覆蓋度進(jìn)行了量化統(tǒng)計, 但難以探測植被蓋度發(fā)生變化的具體位置從而實現(xiàn)林區(qū)、草場等區(qū)域植被的防控監(jiān)測目標(biāo)。為此, 以2000、2005、2010和2015年作為時間節(jié)點, 采用一元線性回歸模型計算植被覆蓋度的變化趨勢, 進(jìn)一步揭示15年間研究區(qū)植被覆蓋度變化的空間分布情況(圖2)。植被覆蓋度基本穩(wěn)定地區(qū)的面積僅有36.27萬km2, 即超過一半的土地植被覆蓋度發(fā)生了明顯變化(圖3)。具體來看, 黑吉兩省與內(nèi)蒙古交界的大部分地區(qū)植被覆蓋度明顯增加, 2000年大興安嶺、大慶和齊齊哈爾市等植被蓋度大多為中低水平(圖1—a), 東北振興戰(zhàn)略提出以后, 生態(tài)環(huán)境得到治理, 植被覆蓋度逐年增加, 不僅退化的原始林得到進(jìn)一步地修復(fù), 而且部分土地荒漠化趨勢也得到了逆轉(zhuǎn); 植被退化區(qū)面積僅有15.82萬km2, 植被改善區(qū)面積幾乎是植被退化區(qū)的二倍。由此可見, 研究區(qū)植被覆蓋度在15年間呈現(xiàn)增加趨勢。然而也不乏植被退化明顯的局部地區(qū), 遼西北地區(qū)就在其列, 該地區(qū)城市荒漠化趨勢逐漸向東蔓延, 構(gòu)成了植被嚴(yán)重退化城市群, 也驗證了可持續(xù)發(fā)展綜合能力較弱[31]。

圖2 植被覆蓋度變化趨勢空間分布

圖3 植被覆蓋度變化統(tǒng)計

3.2 植被覆蓋度變化與城市化因子相關(guān)性分析

城市化與生態(tài)環(huán)境之間客觀上存在著密切的關(guān)系, 由于農(nóng)村人口向城鎮(zhèn)轉(zhuǎn)移, 城市地域不斷擴(kuò)展, 必然要占用自然生態(tài)空間的土地資源, 造成植被生境的變化, 這對城市的環(huán)境保護(hù)提出了更高的要求。同時由于經(jīng)濟(jì)總量的增加, 使城市更具能力進(jìn)行環(huán)保投資, 在一定程度上保護(hù)了植被資源, 因此城市化對植被資源具有雙重作用[32–33]。遼寧省城市化水平差異較大, 在省會城市的帶動和輻射作用下, 沈陽市、撫順市、本溪市等地在2014年城市化水平達(dá)到60%以上。2009年國家將遼寧沿海地區(qū)提到戰(zhàn)略部署內(nèi), 大連市、盤錦市等沿海城市經(jīng)濟(jì)發(fā)展勢頭迅猛, 城市化水平居高, 但朝陽市、葫蘆島市、鐵嶺市和阜新市等地區(qū)城市化發(fā)展落后(圖4、圖5)。在城市化水平較高的地區(qū), 如盤錦市、沈陽市、大連市的植被呈現(xiàn)嚴(yán)重退化或中度退化的趨勢, 特別是沈陽市大部分地區(qū)的植被嚴(yán)重或中度退化, 以區(qū)縣為單位分析, 除了新民市東部和沈陽市渾河周邊的中心城區(qū)的植被有增加跡象外, 其他區(qū)域的植被明顯退化?？梢? 在高度城市化的背景下, 城市人口數(shù)量的增加帶來了城鄉(xiāng)土地利用方式的變革, 植被生態(tài)區(qū)遭到破壞, 帶來了植被覆蓋度的大幅衰減。然而, 以撫順市和本溪市為代表的高城市化水平的地區(qū)植被覆蓋度不減反增, 這是當(dāng)?shù)靥烊涣植莸氐戎脖槐Ｗo(hù)工作的有效實施的緣故, 也與中等植被覆蓋度的農(nóng)業(yè)區(qū)的發(fā)展擴(kuò)建有關(guān)。鐵嶺市、朝陽市、葫蘆島市等地區(qū)的城市化水平較低, 植被覆蓋度輕微增加或者基本不變的土地廣布, 但也存在植被嚴(yán)重退化的現(xiàn)象。在過去的15年里, 這些地區(qū)的生態(tài)用地雖然得到了一定的治理, 但連年氣候干旱多風(fēng), 加之超載過牧等自然人為因素的影響使得該區(qū)域草地農(nóng)田風(fēng)蝕沙化明顯, 土地荒漠化治理工作有待加強(qiáng)。綜上所述, 東北老工業(yè)區(qū)城市化水平可以作為植被覆蓋度變化原因參考因素之一, 但城市化水平的高低不能作為衡量城市植被覆蓋度變化的絕對影響因素, 還需結(jié)合其他影響因素進(jìn)行綜合分析。

圖4 遼寧省城市化指數(shù)空間分布

圖5 遼寧省植被覆蓋度變化趨勢空間分布

4 結(jié)論與討論

普遍認(rèn)可的像元二分模型適用于東北老工業(yè)區(qū)的植被覆蓋度估算研究, 同時, 一元線性回歸方法能夠有效獲取植被覆蓋度逐年的演變趨勢。利用上述方法開展2000—2015年東北老工業(yè)區(qū)的植被覆蓋度研究, 分析了各級植被覆蓋區(qū)的面積占比及變化情況, 評估了四個年份內(nèi)東北老工業(yè)區(qū)植被覆蓋度的變化趨勢, 并將城市化指數(shù)與植被覆蓋度的變化程度進(jìn)行比對。本研究為深入認(rèn)識東北老工業(yè)區(qū)近15年的植被覆蓋度的空間分布情況, 探明植被覆蓋度的年際變化規(guī)律提供了方法學(xué)的新思路, 也能夠為東北老工業(yè)區(qū)的生態(tài)環(huán)境建設(shè)提供決策依據(jù)。主要得出了以下結(jié)論: 1)2000—2015年東北老工業(yè)區(qū)植被覆蓋度均表現(xiàn)出“中部高-東西低-西部最低”的空間分布特征, 南北貫穿形成明顯的高植被覆蓋帶。中度和中高植被覆蓋區(qū)分布不集中, 與三江平原等農(nóng)業(yè)區(qū)基本吻合。低植被覆蓋區(qū)以省會城市為代表, 連片集中分布在中西部城市群內(nèi); 2)近15年東北老工業(yè)區(qū)高植被覆蓋區(qū)明顯增加, 主要集中在黑龍江省和吉林省。遼寧省的高植被覆蓋區(qū)占全省總面積百分比由2000年的49.99%迅速下降至2015年的25.99%, 其中遼西至遼中區(qū)域的朝陽市、阜新市、錦州市、沈陽市等構(gòu)成了植被嚴(yán)重退化的城市群。從總體上看, 東北老工業(yè)區(qū)在2000年至2015年植被覆蓋度呈現(xiàn)增加趨勢, 這得益于生態(tài)環(huán)境保護(hù)工程的實施; 3)遼寧省的城市化水平可以作為植被覆蓋度變化原因的參考, 但是不同地區(qū)的植被覆蓋度與城市化水平的相關(guān)性存在差異。最后, 本研究僅選取了城市化指數(shù)一種社會經(jīng)濟(jì)因子, 沒有聯(lián)合其他社會經(jīng)濟(jì)因子與植被覆蓋度展開綜合對比分析。從社會經(jīng)濟(jì)角度來看, 人口密度和城市GDP水平也能夠反映社會經(jīng)濟(jì)基礎(chǔ)發(fā)展的程度, 因此今后應(yīng)考慮這些因素對植被覆蓋度的影響。

[1] XUE Bing, TOBIAS M. Sustainability in China: bridging global knowledge with local action[J]. Sustainability, 2015, 7(4): 3714–3720.

[2] REN Wanxia, XUE Bing, GENG Yong, et al. Inventorying heavy metal pollution in redeveloped brownfield and its policy contribution: case study from Tiexi district, China [J]. Land Use Policy, 2014, 38: 138–146.

[3] 錢正英. 東北地區(qū)有關(guān)水土資源配置、生態(tài)與環(huán)境保護(hù)和可持續(xù)發(fā)展的若干戰(zhàn)略問題研究(綜合卷)[M]. 北京: 中國科學(xué)出版社, 2007.

[4] CARLSON T N, RIPLEY D A. On the relation between NDVI, fractional cover, and leaf area index[J]. Remote Sensing of Environment, 1997, 62: 241–252.

[5] 夏北成, 龔建周. 廣州市植被覆蓋度等級結(jié)構(gòu)及其時空格局特征[J]. 生態(tài)科學(xué), 2006, 5:417–422.

[6] WITTENBERG L, DAN M, BEERI O, et al. Spatial and temporal patterns of vegetation recovery following sequences of forest fires in a Mediterranean landscape, Mt. Carmel Israel[J]. Catena, 2007, 71(1):76–83.

[7] JOSHI P K K, ROY P S, SINGH S, et al. Vegetation cover mapping in India using multi-temporal IRS Wide Field Sensor (WiFS) data[J]. Remote Sensing of Environment, 2006, 103(2):190–202.

[8] 梁順林, 李小文, 王錦地, 等. 定量遙感: 理念與算法[M]. 北京: 科學(xué)出版社, 2003.

[9] LEPRIEUR C, VERSTRAETE M M, PINTY B. Evaluation of the performance of various vegetation indices to retrieve vegetation cover from AVHRR data[J]. Remote Sensing Reviews, 1994, 10(4): 265–284.

[10] 劉漢生, 吳宜進(jìn), 張永利, 等. 湖北省黃岡市欠發(fā)達(dá)地區(qū)植被覆蓋度時空特征分析[J]. 生態(tài)科學(xué), 2015, 5: 23–28.

[11] 李京忠, 曹明明, 邱海軍, 等. 汶川地震區(qū)災(zāi)后植被恢復(fù)時空過程及特征——以都江堰龍溪河流域為例[J]. 應(yīng)用生態(tài)學(xué)報, 2016, 11: 1–11.

[12] 韓佶興. 2000—2011年東北亞地區(qū)植被覆蓋度變化研究[D]. 北京: 中國科學(xué)院研究生院, 2012.

[13] JIAPAER G, CHEN X, BAO A. A comparison of methods for estimating fractional vegetation cover in arid regions[J]. Agricultural and Forest Meteorology, 2011, 151(12): 1698–1710.

[14] 宋乃平, 杜靈通, 王磊. 鹽池縣2000-2012年植被變化及其驅(qū)動力[J]. 生態(tài)學(xué)報, 2015, 22: 7377–7386.

[15] 賈坤, 姚云軍, 魏香琴, 等. 植被覆蓋度遙感估算研究進(jìn)展[J]. 地球科學(xué)進(jìn)展, 2013, 7: 774–782.

[16] 李苗苗, 吳炳方, 顏長珍, 等. 密云水庫上游植被覆蓋度的遙感估算[J]. 資源科學(xué), 2004, 4: 153–159.

[17] QI J, MARSETT R C, MORAN M S, et al. Spatial and temporal dynamics of vegetation in the San Pedro River basin area[J]. Agricultural & Forest Meteorology, 2000, 105(1/3):55–68.

[18] 馬娜, 胡云峰, 莊大方, 等. 基于遙感和像元二分模型的內(nèi)蒙古正藍(lán)旗植被覆蓋度格局和動態(tài)變化[J]. 地理科學(xué), 2012, 2: 251–256.

[19] 劉廣峰, 吳波, 范文義, 等. 基于像元二分模型的沙漠化地區(qū)植被覆蓋度提取—以毛烏素沙地為例[J]. 水土保持研究, 2007, 2: 268–271.

[20] KHARIN H G, GRINGOF I G. Conceptual approach to applica-tion of the normalized difference vegetation index for the assessment of arid land degradation[J] Russian Meteorology and Hydrology, 2002 (7): 64–72.

[21] YENGOH G T, DENT D, OLSSON L, et al. Applications of NDVI for Land Degradation Assessment[M]// TUCKER, COMPTON J, TENGBERG, et al. Use of the Norma-lized Difference Vegetation Index (NDVI) to Assess Land Degradation at Multiple Scales. Springer Internati-onal Publishing, 2015.

[22] DENG Shaofu, YANG Taibao, ZHENG Biao, et al. Vegetation Cover Variation in the Qilian Mountains and its Response to Climate Change in 2000-2011[J]. Journal of Mountain Science, 2013(6): 1050–1062.

[23] 穆少杰, 李建龍, 陳奕兆, 等. 2001-2010年內(nèi)蒙古植被覆蓋度時空變化特征[J]. 地理學(xué)報, 2012, 9: 1255–1268.

[24] 王偉軍, 趙雪雁, 萬文玉, 等. 2000—2014年甘南高原植被覆蓋度變化及其對氣候變化的響應(yīng)[J]. 生態(tài)學(xué)雜志, 2016, 9: 2494–2504.

[25] 張彥彬, 安楠, 劉佩艷, 等. 基于MODIS數(shù)據(jù)的山西省六大煤田區(qū)植被覆蓋度時空變化特征及其驅(qū)動力分析[J]. 干旱區(qū)地理, 2016, 1: 162–170.

[26] PUREDORJ T S, TATEISHI R, ISHIYAMA T, et al. Relationships between percent vegetation cover and vegeta-tion indices[J]. International Journal of Remote Sensing, 1998, 19(18): 3519–3535.

[27] 張東海, 任志遠(yuǎn), 王曉峰, 等. 基于MODIS的陜西黃土高原植被覆蓋度變化特征及其驅(qū)動分析[J]. 生態(tài)與農(nóng)村環(huán)境學(xué)報, 2013, 1: 29–35.

[28] GUTMAN G, IGNATOV A. The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models[J]. International Journal of Remote Sensing, 1998, 19(8): 1533–1543.

[29] 陳效逑, 王恒. 1982—2003年內(nèi)蒙古植被帶和植被覆蓋度的時空變化[J]. 地理學(xué)報, 2009, 1: 84–94.

[30] 臧銳, 張鵬, 楊青山, 等. 吉林省城市化水平綜合測度及時空演變[J]. 地理科學(xué), 2013, 10: 1231–1237.

[31] 鹿晨昱, 張琳, 薛冰, 等. 遼寧省區(qū)域可持續(xù)發(fā)展時空綜合測度研究[J]. 經(jīng)濟(jì)地理, 2015, 8: 32–39.

[32] 劉婧. 東北地區(qū)產(chǎn)業(yè)集聚與城市化發(fā)展關(guān)系研究[D]. 長春: 東北師范大學(xué), 2006.

[33] 王少劍, 方創(chuàng)琳, 王洋. 京津冀地區(qū)城市化與生態(tài)環(huán)境交互耦合關(guān)系定量測度[J]. 生態(tài)學(xué)報, 2015, 7: 2244– 2254.

肖驍, 李京忠, 韓彬, 等. 東北老工業(yè)區(qū)植被覆蓋度時空特征及城市化關(guān)聯(lián)分析[J]. 生態(tài)科學(xué), 2017, 36(6): 71-77.

Xiao Xiao, LI Jingzhong, HAN Bin, et al. Spatial-temporal characteristics of vegetation coverage and its correlation with urbani-zation in traditional industrial area of Northeastern China[J]. Ecological Science, 2017, 36(6): 71-77.

Spatial-temporal characteristics of vegetation coverage and its correlation with urbanization in traditional industrial area of Northeastern China

Xiao Xiao1, LI Jingzhong1,2, HAN Bin1, LU Chengpeng1, XUE Bing1,*

1. Lab for Pollution Ecology and Environmental Engineering, Institute of Applied Ecology, Chinese Academy of Sciences, Shenyang 110016, China 2.College of Urban and Rural Planning and Landscape, Xuchang University, Henan 461000, China

Study on vegetation coverage is very important for revealing the evolution of natural ecosystem as well as the relationship between human activities and environmental evolution. Based on the MODIS data and by combining the dimidiate pixel model with simple linear regression method, this research quantitatively estimated the vegetation coverage and its spatial-temporal variation characteristics in traditional industrial area of northeastern China during 2000-2015, and the relationship between the change of vegetation coverage and the level of urbanization in Liaoning province was especially analyzed. The results show that: 1) the spatial distribution of the vegetation coverage appeared to be “central-high, west and east-low, west-lowest”; 2) high vegetation coverage areas increased significantly in Heilongjiang province and Jilin province. However, in Liaoning province, the high vegetation coverage area accounted the proportion of the province’s total area fell from 49.99% to 25.99% during 2000-2015, which was further verified by the spatial difference of Liaoning province’s urbanization level; 3) in addition to the vegetation degradation trend that seriously and gradually spread eastward in some western Liaoning cities, the vegetation coverage in most traditional industrial areas of Northeastern China showed increasing trend, especially in most Heilongjiang and Jilin province areas adjacent to Inner Mongolia.The research results show the vegetation evolution pattern and process of the traditional industrial area of Northeastern China, and have an important significance to promote the sustainable transformation of the green and ecological civilization construction.

vegetation coverage; urbanization; dimidiate pixel model; traditional industrial area of Northeastern China

10.14108/j.cnki.1008-8873.2017.06.010

Q948.1; Q149; X835

A

1008-8873(2017)06-071-07

2016-09-12;

2016-11-16

國家自然科學(xué)基金(41471116, 41701142); 中國科學(xué)院青年創(chuàng)新促進(jìn)會(2016181); 遼寧省自然科學(xué)基金(201602743, 20170540898)

肖驍(1990—), 女, 遼寧丹東人, 碩士, 主要從事土地利用遙感監(jiān)測研究, E-mail: xiaoxiao@iae.ac.cn

薛冰, 男, 博士, 研究員, 主要從事區(qū)域可持續(xù)發(fā)展和低碳城市的研究, E-mail: xuebing@iae.ac.cn